複関数分類学習ニューラルネットワークによる重力式ダムの漏水管理 LEAKAGE MONITORING OF A GRAVITY DAM USING A MULTI-PATTERN DIFFERENTIATION NEURAL NETWORK SYSTEM

この論文にアクセスする

この論文をさがす

著者

抄録

本研究は, 複関数分類学習ニューラルネットワークシステムを用いた構造物のモニタリングシステムを重力式ダムの漏水データ管理に応用することを試みたものである. 本研究で用いた実測データは, 30年間にわたる実漏水観測データの一部であり, 気温, 水温, 雨量, 水位などの要因関連データも同時に計測されている. その変化曲線は極めて複雑で, データ内には複数のパターンの漏水要因データとの因果関係が混在している. このため, 線形関数を前提とする重回帰分析では, データの正常と異状を分別することができない. しかし, 提案システムは, 構造物の正常さを明瞭に認識できると同時にノイズ混合による異状を認識できることを明らかにした.

This paper proposes an irregularity detecting monitoring system of gravity dam related with a monitoring data of leakage by using the multi-patterns differentiating neural network system. The proposed system predicts the leakage amount with respect to the water level of dam, precipitation, temperature of water, air and leakage water every day. The difference between the prediction and the observation of leakage notices an irregularity of the dam. The real observation data used herein contains an irregularity induced by giving an artificial noise. The neural network system detects this irregularity much better than the multi-regression system. The proposed system detects it better than conventional neural network system, because the observed data includes multi-patterns relationship between input and output data.

収録刊行物

  • 土木学会論文集 = Proceedings of JSCE

    土木学会論文集 = Proceedings of JSCE (770), 95-106, 2004-09-20

    公益社団法人 土木学会

参考文献:  11件中 1-11件 を表示

被引用文献:  1件中 1-1件 を表示

各種コード

  • NII論文ID(NAID)
    10013366057
  • NII書誌ID(NCID)
    AN10014020
  • 本文言語コード
    JPN
  • 資料種別
    ART
  • ISSN
    02897806
  • NDL 記事登録ID
    7111610
  • NDL 雑誌分類
    ZN1(科学技術--建設工学・建設業)
  • NDL 請求記号
    Z16-6
  • データ提供元
    CJP書誌  CJP引用  NDL  J-STAGE 
ページトップへ